A continuación se muestra una revisión rápida de las muchas herramientas geoestadísticas disponibles para geocientíficos hoy en día, así como una lista no exhaustiva de los campos típicos de aplicación en la industria minera.

Herramientas geoestadísticas

La Geoestadística, en combinación con otros métodos estadísticos, ofrece una amplia gama de herramientas matemáticas que se pueden utilizar para analizar, modelar, proporcionar estimaciones y evaluar incertidumbres, para diferentes tipos de características espaciales - por ejemplo, grados o facies geológicas -

Data Mining

Analizando en detalle las estadísticas y la correlación espacial de los datos disponibles siempre es el paso clave de un enfoque geoestadístico. Para este fin se pueden utilizar las siguientes herramientas:

Análisis exploratorio de datos espaciales (ESDA) consiste en la exploración de las estadísticas clásicas, así como la estadística espacial de una o varias variables simultáneamente, por medio de histogramas, diagramas cruzados, QQ-parcelas, Variogramas, etc. La conexión de estos gráficos estadísticos con los datos de forma dinámica mapas base permite explorar más a fondo los datos y evaluar la homogeneidad de una población, la presencia de valores atípicos, etc.

Los mapas de variograma a menudo ayudan en encontrar las direcciones principales de anisotropía de un fenómeno, mientras que los variogramas clásicos experimentales o de covarianzas se utilizan normalmente para medir la variabilidad espacial del fenómeno en varias direcciones.

Análisis de Componentes Principales (PCA) para el análisis estadístico multivariado.

Modelado espacial

La construcción de un modelo matemático que encaja con las estadísticas espaciales - variograma / covarianza - de una o varias variables correlacionadas, es el segundo paso de un enfoque geoestadístico. Este modelo espacial se basa en los datos en sí, a través de las curvas experimentales, sino que también integra un conocimiento adicional sobre la variable - por ejemplo, características geológicas - a través de las opciones del geocientífico en la construcción del modelo.

Un modelo puede ser univariante o multivariante, y puede estar compuesto por uno o más estructuras espaciales anidadas - cada uno de ellos con sus propios rangos, las direcciones de anisotropía, etc.

métodos lineales de Estimación

El modelo espacial se puede utilizar para la estimación de una variable, usando Kriging, el método bien conocido lleva el nombre de Dr Krige. De hecho, hay varios métodos kriging en función de la cantidad de variables que intervienen en los datos y modelo, ¿cómo se considera la media de los datos, para nombrar unos pocos: Ordinario Kriging (OK), Kriging simple (SK), y Cokriging.

Kriging puede ser aplicado en diferentes soportes - Point, Bloque, Polígono - y proporciona varios resultados numéricos en cada lugar de destino:

La krigeados estimado, el valor más probable de la variable en el Punto, Bloque o Polígono La desviación estándar de la estimación, una medida de la incertidumbre local conectada a

la estimación Otros resultados auxiliares - Pendiente de la regresión, el parámetro de Lagrange, etc. -

Kriging está diseñado para ser el mejor estimador lineal insesgado - la diferencia entre los verdaderos valores desconocidos y los valores de predicción es igual a 0. "en promedio" - y al mismo tiempo proporcionar la menor varianza de la estimación.

Sin embargo, como cualquier otra interpolación lineal, Kriging es un proceso de suavizado que no reproduce toda la variabilidad del fenómeno originales.

- Es por lo tanto una única función matemática que puede describir cualquiera de las estructuras espaciales simples o complejos. El mismo modelo se puede utilizar para diferentes propósitos, tales como la estimación local o global, las simulaciones para la evaluación de la incertidumbre, etc.

Modelado de Distribución

La distribución experimental - histograma - de una variable puede ser modelado por funciones matemáticas, tales como la función de anamorfosis. Este modelo de distribución puede ser utilizado para cambiar entre la variable de crudo y su homólogo de Gauss, que es requerido por la mayoría de los métodos geoestadísticos - por ejemplo, simulaciones, geoestadística no lineal - La función de anamorfosis tiene también la ventaja de ser capaz de tomar en vigor soporte de la cuenta y efecto información. Una primera aplicación es predecir la recuperación de los recursos en relación con el tamaño de las unidades mineras selectivo.

Los métodos no lineales de Estimación

Desde Kriging es un interpolador lineal que no se puede aplicar para resolver problemas no lineales - por ejemplo, estimación de arqueo y de grado por encima de un límite determinado, para evaluar los recursos recuperables - otra familia de métodos de estimación se ha introducido para resolver este problema. Estos métodos no lineales son: Indicadores Múltiples por Kriging (MIK), Mediana Indicador de Kriging, Disyuntivo Kriging (DK), acondicionado Uniforme (UC), lognormal Kriging de servicio variables. simulaciones geoestadísticas también se pueden utilizar para abordar este problema.